上行链路异步感知移动网络中的多目标传感参数估计新方法

《IEEE Access》:Sensing Parameter Estimation in Uplink Asynchronous Perceptive Mobile Networks

【字体: 大 中 小 】 时间:2025年12月11日 来源:IEEE Access 3.6

编辑推荐:

  本文针对上行链路异步感知移动网络(PMN)中载波频率偏移(CFO)和定时偏移(TO)导致传感精度下降的问题,提出了一种基于增强OFDM信号模型的参数估计框架。研究团队开发了包含多普勒频率(DF)、到达角(AoA)、CFO和路径延迟的联合估计算法,通过时空谱分析和自适应阈值技术有效克服了现有方法对LOS路径和用户位置先验知识的依赖。仿真结果表明,该方案在静态和动态目标感知场景下均显著提升了参数估计精度,为6G集成传感通信(ISAC)系统提供了实用化解决方案。

  
在迈向6G时代的进程中,感知移动网络(Perceptive Mobile Networks, PMN)作为集成传感与通信(Integrated Sensing and Communication, ISAC)的重要载体,正引发无线领域的革命性变革。通过将雷达功能融入通信基础设施,PMN有望实现环境感知与数据传输的无缝协同。然而,当收发机采用独立时钟时,载波频率偏移(Carrier Frequency Offset, CFO)和定时偏移(Timing Offset, TO)会引入随机相位扰动,严重制约传感参数的精确提取。特别是在上行链路场景中,现有方案或需依赖视距(Line-of-Sight, LOS)传播条件,或受限于非线性信号模型,难以在复杂多径环境下实现多目标感知。
针对这一挑战,德州大学达拉斯分校的Mohammed Belal Uddin与Hlaing Minn教授在《IEEE Access》发表论文,提出了一种上行链路异步PMN传感框架。该研究创新性地采用增强型正交频分复用(Orthogonal Frequency-Division Multiplexing, OFDM)信号模型,精准刻画了收发滤波器在CFO和TO作用下的频谱失配特性,实现了对静态与动态目标的多参数联合估计。
关键技术方法方面,研究团队通过时空谱分析、噪声平均和自适应阈值处理构建了完整的参数提取流程。首先利用相邻天线间的空间互相关抑制噪声,通过多包DFT变换获取多普勒-延迟联合谱;继而采用相位一致性检测和加权平均技术分离混合的DF与CFO分量;最后结合空间DFT和时域互相关实现AoA的高精度估计。整个方案无需LOS路径支持,避免了CSI比值法带来的非线性复杂度问题。
研究结果
  1. 1.
    多普勒频率与延迟估计性能
    通过仿真对比验证,所提算法在信噪比(Signal-to-Noise Ratio, SNR)为-5dB至20dB范围内,其归一化均方误差(Normalized Mean Square Error, NMSE)始终低于参考方法1-3个数量级。如图5所示,当功率缩放因子(Power Scaling Factor, PSF)为-2dB时,DF估计NMSE随SNR提升稳定收敛至10-8量级,显著优于基于CSI比值法的基准方案。
  1. 2.
    到达角估计精度提升
    图6显示AoA估计NMSE在低SNR场景下仍保持10-2以下,且随SNR增加稳步降至10-3。算法通过空间DFT变换将天线域相位差映射为空间谱峰值,结合五点位相位一致性检测有效抑制了角度模糊现象。
  1. 3.
    路径延迟估计鲁棒性
    如图7所示,所提延迟估计方法在PSF=-2dB时NMSE曲线平稳,而参考方法Ref.-M.S.和Ref.-Avg.-M.S.则出现明显波动。这得益于算法对路径分量在延迟域上的增益加权融合策略,有效克服了分数延迟导致的能量扩散问题。
  1. 4.
    CFO估计的功率无关特性
    图8表明CFO估计性能对动态路径与静态路径的功率比不敏感。通过识别静态路径对应的稳定多普勒区域,并对Vs个静态路径的DF估计值取平均,实现了对CFO的精准提取,在不同PSF下均保持NMSE<10-2。
  1. 5.
    多路径场景下的参数分离能力
    图12-14展示了在Vs=5个静态路径与Vd=1个动态路径的混合场景下,所有参数的估计值与真实值高度吻合。算法通过跨延迟塔的分量聚类(算法3)和跨多普勒域的分组策略(算法2),成功解决了多目标在联合参数空间中的分辨难题。
结论与意义
本研究提出的传感参数估计框架,通过增强OFDM信号建模和创新的算法设计,有效解决了异步PMN中多目标感知的关键技术瓶颈。相较于现有方案,该框架具备三大优势:一是摆脱了对LOS传播条件和用户位置先验知识的依赖;二是通过线性化处理规避了CSI比值法的非线性复杂度;三是首次实现了静态与动态目标的联合参数估计。仿真结果验证了方案在低SNR和功率不平衡场景下的强鲁棒性,其计算复杂度分析(见表3)表明算法可满足5G/6G基站实时处理需求。这项研究为未来无线网络的智能环境感知提供了理论支撑和技术实现路径,对车联网、无人机监控等需要高精度定位的应用场景具有重要推广价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号